IBM-studie visar att en av fyra skadliga dataintrång innehåller AI

En av fyra skadliga dataintrång innehåller angripare som använder AI, enligt 2026 års rapport om dataintrångskostnader som IBM publicerade den 29 juli 2026. Dessa intrång kostar i genomsnitt 6 miljoner dollar, vilket är ungefär 1 miljon dollar mer än den globala genomsnittskostnaden på 4,99 miljoner dollar som IBM rapporterar för hela sin urvalsgrupp, och andelen skadliga intrång med en AI-komponent ökade med 56 % jämfört med föregående utgåva.

Siffrorna kommer från en undersökning, och det påverkar hur mycket vikt de har. Ponemon Institute genomförde undersökningen; IBM sponsrade, analyserade och publicerade den, och säljer detekterings-, datasäkerhets- och identitetsprodukter som deras rekommendationer pekar mot. Urvalsgruppen består av 602 organisationer som utsattes för dataintrång mellan mars 2025 och februari 2026, inte en folkräkning av alla angrepp. IBM:s globala genomsnitt har också ökat under året: föregående års utgåva satte det till 4,44 miljoner dollar och beskrev det som den första minskningen på fem år.

Vad de rapporterade attackerna ser ut som

IBM säger att deepfake-impersonation och AI-aktiverad malware står för det mesta av vad respondenterna klassificerade som AI-aktiverat intrång. Deras sammanfattning av rapporten för Storbritannien bryter ner kategorin ytterligare: deepfake-impersonation på 45 %, AI-aktiverad malware på 19 % och phishing-kampanjer på 17 %. Den fördelningen lägger mest av kategorin på social ingenjörskonst snarare än autonom kodkörning, och bedrägeriteam på banker har spårat samma mönster i AI-voice-cloning-attacker i över ett år.

Sektor koncentration är den mer betydelsefulla siffran. IBM rapporterar att 62 % av de AI-drivna attackerna i deras dataset träffade kritisk infrastruktur, med finansiella tjänster och energi som bär den tyngsta bördan. Dataintrång hos finansiella företag kostade i genomsnitt 6,3 miljoner dollar och hos energiföretag 5,2 miljoner dollar.

AI-system var också mål snarare än bara verktyg. Mer än 20 % av organisationerna rapporterade ett dataintrång som involverade en AI-modell eller applikation, upp från 13 % i 2025 års utgåva. De två ledande orsakerna som IBM identifierar är komprometterade API:er, applikationer eller plug-ins (27 %) och molnfelkonfigurationer som påverkar AI-arbetsbelastningar (27 %) — infrastrukturen runt en modell snarare än modellen själv, vilket också är där Hugging Face-agentintrång började.

Den funktion som undersökningen frågar om

En uppföljningsstudie som genomfördes i maj 2026 gick tillbaka till 456 av de ursprungliga 602 organisationerna och frågade om gränsmodeller med avancerade cybersäkerhetsfunktioner, och nämnde specifikt Mythos. Av den gruppen sa 78 % att de var medvetna om rapporter om sådana system, och 85 % sa att de planerade att öka säkerhetsutgifterna på grund av den medvetenheten. I huvudundersökningen sa 64 % att ett faktiskt dataintrång skulle leda till ökade utgifter. Förväntad funktion flyttar nu budgetar snabbare än upplevd förlust.

Funktionen har dokumenterats i teknisk detalj. Anthropics Frontier Red Team publicerade en utvärdering den 7 april 2026 som rapporterade att deras Claude Mythos Preview-modell hittade och utnyttjade noll-dagarssårbarheter i varje större operativsystem och webbläsare som den pekades mot. I ett fall identifierade den en 17-årig fjärrrot-sårbarhet i FreeBSD:s NFS-server, som senare katalogiserades som CVE-2026-4747, och skrev en fungerande exploit utan mänsklig inblandning efter den initiala prompten.

Kostnaderna som teamet publicerade är den del som försvarare bör läsa två gånger. Tusen körningar av deras buggsökningsscaffold mot OpenBSD kostade under 20 000 dollar, och den enskilda körningen som producerade den kritiska upptäckten kostade under 50 dollar. Omvandling av redan patchade offentliga sårbarheter till fungerande privilegie-eskaleringsexploater kostade under 1 000 dollar och under 2 000 dollar vardera, var och en på en dag eller mindre. Anthropic rapporterade också att färre än 1 % av de sårbarheter de hade hittat var patchade vid tidpunkten för publiceringen. Andra säkerhetsleverantörer har beskrivit samma skift i AI från assistent till operatör på den offensiva sidan.

Där säkerhetsteam har placerat sina agenter

IBM:s data placerar exakt gapet där den ekonomin bettar. Mer än hälften av organisationerna sa att de använder agenter för hotdetektering och inneslutning; 18 % tillämpar dem på sårbarhetsförvaltning. Tre fjärdedelar sa att gräns-AI-hot gör dem att ompröva hur agenter distribueras över säkerhetsoperationer.

“När organisationer har ett förlängt gap mellan upptäckt och åtgärd, visar sig den obalansen direkt i dataintrångskostnader”, sa Suja Viswesan, VP för IBM Security Software, i rapportens tillkännagivande. “Prioriteten nu är att eliminera den fördröjningen.”

Andra grundvalar har inte flyttat mycket. Bland de utsatta organisationerna sa 37 % att de krypterar känsliga data både i vila och under överföring, och 34 % har insyn i sina kryptografiska tillgångar. Ransomware förekom i 39 % av de rapporterade incidenterna, upp från 34 %, med utpressningstryck som skiftar mot varumärkesrykte (41 %) före anställddata och immateriella rättigheter, i linje med fragmentiseringen i ransomware-ekonomin som andra spårare dokumenterade 2026.

Organisationer som använder AI och automatisering omfattande över säkerhetsoperationer spenderade ungefär 2 miljoner dollar mindre per dataintrång, säger IBM, och ungefär en fjärdedel av urvalsgruppen har inte antagit dem alls. Både IBM och Anthropic pekar på samma spak: komprimera tiden mellan att en sårbarhet blir känd och en lösning når produktion. Den 18-procentiga siffran är där arbetet för närvarande ligger, och det är siffran att titta på i nästa års utgåva.